Professional Documents
Culture Documents
Dfinition de la qualit
La qualit : aptitude dun produit ou dun service satisfaire les besoins des
utilisateurs au moindre cot. Les besoins : est une ncessit ou un dsir prouv
par un utilisateur. Lutilisateur : peut tre un individu, une entreprise,
lutilisateur nest pas toujours le client. Cest le cas de nombreux produits
destins aux collectivits.
Le produit : est ce qui est fourni lutilisateur pour rpondre au besoin exprim.
Il est jug par le client travers : - Ses caractristiques : la qualit technique.
- Ses conditions de vente : la qualit conomique.
Le produit
La qualit technique.
La qualit conomique.
- les caractristiques.
- la fiabilit.
- la maintenabilit.
- la durabilit.
- lesthtique
- la scurit.
- ..
- le prix.
- le dlai de livraison.
- les conditions de paiement.
- les garanties.
-
La valeur est le jugement port par lutilisateur sur le produit : elle traduit une
quilibre entre la qualit technique et la qualit conomique.
La non qualit
La non qualit constitue lcart entre la qualit vise est la qualit obtenue. Le
produit ne rpond pas aux attentes de lutilisateur. Le taux de produits
dfectueux livrs est jug trop important. La mesure est acte fondamental la
qualit. La qualit se mesure au niveau .Du client : indice de satisfaction ou taux
rponse favorable. Du produit ou service : caractristique attendre. Du
processus : on mesure un taux de rebut. Chaque niveau est assorti dindicateurs
spcifiques, les trois niveaux sont complmentaires pour lobtention de la
qualit totale.
Mr : Hassan ELMRABET
x x
i
e=2,718 x
xi
n
1
2
1 2
t
2
Loi binomiale
Dfinition de la loi binomiale
Cest une loi deux paramtres note B (n,p), qui rgit pour le nombre
dlment n dun chantillon la probabilit de prlever 0,1,2,3.k lments
dfectueux dans un lot contenant p% de dfectueux. En prlevant n lment
sera :
pk Cnk pk1 p
nk
La moyenne x np
Lcart type npq
Mr : Hassan ELMRABET
Avec
Cnk
n!
k!n k !
avec q+p=1
Courbe defficacit
Dfinition
La courbe defficacit est les lien des points form par les couples de la qualit
relle exprime par la proportion de dfectueux et la probabilit dacceptation
correspondante.
Courbe thorique
Dans le cas dun chantillon simple la courbe defficacit est calcule partir du
loi binomiale soit :
P
k Ac
Ckn p k (1 p) n k
k 0
n 1
n2
n i
P X Ac Cnk p k 1 p
nk
k 0
p1
p2
Mr : Hassan ELMRABET
Loi de poisson
Dfinition de la loi de poisson
Cest une loi qui rgit une variable alatoire x avec les probabilits respectives
p0, p1, ., pn, constitues par les termes successifs :
(np )k nk
Avec x mnp et np la loi de poisson sapplique lorsque p<0,1 et
e
k!
Xm
P u 1 / 2
u 1 / 2 1
/ n
; X u 1 / 2
On en dduit l'intervalle de confiance suivant: I X u 1 / 2
n
n
On peut remarquer que les bornes de cet intervalle sont alatoires et dpendent
de l'cart-type de la loi normale de X.
Si cet cart-type n'est pas connu, on considre l'estimateur s de cet carttype.
Xm
/ n
Mr : Hassan ELMRABET
ns 2
suit la loi 2n 1
2
1
ns 2
(n 1) 2
Xm
P b
b 1
/ n
s
s
I X b
;X b
n 1
n 1
1 n
X i m 2
n i 1
La variable (nT/ 2 ) suit une loi du Chi -deux n degrs de libert. La table de
cette loi fournit, fix, deux valeurs a et b telles que:
P(a< nT/ 2 <b)=l-
On en dduit l'intervalle de confiance au risque pour (T2 :
nT nT
I ;
b a
nT
P 2 b P 2 a
1 n
X i X 2
n 1 i 1
La variable ((n - l)s*2 /2) suit la loi du Chi-deux 2n 1 . Dans la table de cette loi,
fix, nous trouvons les valeurs c et d telles que:
(n 1)S * 2
P c
d 1
2
d
c
Exemple
80%des richesses sur la plante sont dtenues par 20% des individus
20% des pices stockes dans une entreprise reprsentent 80% de la valeur des
stocks
La mthode
Il sagit en premier lieu de relever et dtablir des observations (mthode utiliser
diagramme dIshikawa ou les 5M)
Dans la majorit des cas le diagramme se dcompose de trois zones
Zone A environ 20%des rebuts reprsentent 80% des cots, cette zone dfinit les
priorits
Zone B environ 30% des rebuts restants ne cots que 15%
Zone C environ 50% des rebuts restants ne cots que 5%
Mr : Hassan ELMRABET
CONTROLE DE RECEPTION
Dune faon gnrale le lancement dun produit passe par plusieurs tapes
successives. Le service marketing tudie le march, analyse les besoins du
client, les produits concurrents, la commercialisation du produit et aboutit un
cahier de charge. Le service tude et dveloppement aboutit lesquisse dun
avant projet qui donne naissance un prototype auquel on fait subir les premiers
essais qui dfinissant la fiabilit du produit.
Dans tout les cas une livraison quelle que soit sa nature doit systmatiquement
tre soumise un contrle de rception (CR). En outre la fabrication locale
ncessite un contrle en cours de fabrication (CECF). Le produit fini exige un
contrle final (CF) qui conduit la livraison et en fin au suivi en exploitation
(service aprs vente, maintenance,).
Lobjectif essentiel du contrle de rception est de ne pas laisser enter dans
lusine la matire premire (fournisseur), les pices provenant de lextrieur
(sous traitant), le passage dun atelier un autre lextrieur de lusine des
pices ne rpondant pas au cahier de charges. Selon les caractristiques
apprcier on fera appel trois type de contrle. Contrle par attributs, contrle
par dcomptes de dfauts, contrle par mesures.
Mr : Hassan ELMRABET
Etude prliminaire
Matire premire
CR
CR
Fabrication locale
Projet
CR
Gros ensemble
Et produits
termins
CECF
CF
Fin de chane
CF
Livraison
Suivi en exploitation
CF : Contrle finale
CECF : Contrle en cours de fabrication
CR : Contrle de rception
Mr : Hassan ELMRABET
Le contrle
Mtrologie
La mtrologie est lensemble des oprations permettant dattribuer une valeur
la grandeur mesurer.
Le mesurage
Le mesurage est lensemble des oprations ayant pour but de dterminer la
valeur dune grandeur (mesures dimensionnelles, mesures mcanique, mesures
physico-chimiques).
Mesures dimensionnelles : longueur et grandeurs drives, surface, volume ,
angle,..
Mesures mcaniques : temps, vitesse, acclration, masse, poids, travail et
nergie mcanique, pression, contrainte, puissance mcanique, dbit,
viscosit,
Mesures physico-chimiques : thermique (temprature, quantit de chaleur, flux
calorifique, conductibilit thermique,), optique (intensit lumineuse, flux
lumineuse,), acoustique (niveau de bruit, nergie sonore,.), radioactivit
(quantit de rayonnement, activit radio nuclaire,), lectrique (frquence,
rsistance, capacit, flux magntique, intensit, dfrence de potentiel,
puissance, courant, .).
Le contrle est lensemble des oprations permettant de dfinir si la grandeur
mesure est situe dans les limites de tolrance dsires. IT (intervalle de
tolrance) Cest lcart entre la limite infrieur et la limite suprieur.
L L
n
Avec
n 1
Mr : Hassan ELMRABET
B/ La justesse
La justesse est laptitude donner les indications gales la valeur vraie de la
grandeur mesurer.
Elle est dfini par :
J L M
Avec :
L : La moyenne arithmtique des rsultats de mesures Li
M : la valeur relle de l grandeur mesure.
A/ La sensibilit
La sensibilit dun instrument de mesure est le rapport de laccroissement de la
variable observe par laccroissement correspondant de la grandeur mesurer.
D/ Prcision
Cest laptitude dun instrument de mesure donner des indications proches de
la vraie valeur. La prcision est l qualit globale dun instrument de mesure.
Typologie de contrle
Classification en fonction du prlvement.
On distingue deux attitudes face une population dlments contrler.
Contrler 100% ou contrler un chantillon et par une estimation statistique
rechercher les caractristiques de la population.
Contrle 100%
Produits conformes
Rebut
Mr : Hassan ELMRABET
10
Contrle destructif
Contrle destructif Cest lensemble des contrle qui ne peuvent tre ralises
quen dtruisant le produit.
Modes de contrle
Contrle 100%
Il est obtenu par une vrification systmatique de tous les individus. Ce genre de
contrle en principe plus de scurit, par contre il est plus long et par consquent
plus onreux. En revanche il prsente linconvnient majeur de ne pas tre
envisageable dans le cas dun contrle exigeant la destruction des pices
contrler.
Plan de contrle
Le plan de contrle est dfini par :
Le type dinspection.
Il est fonction du caractre contrler (quantitatif ou qualitatif).
Mr : Hassan ELMRABET
11
Effectif de lchantillon
Il dpend de linteraction de la taille du lot et de degr de svrit du contrle, il
est vident que pour un contrle normal la taille de lchantillon est plus
important que celui dun contrle rduit, en revanche il sera moins important
pour un contrle plus svre.
Le risque fournisseur
Risque de premier espce, il correspond gnralement la probabilit pour
quun lot acceptable soit refus par les rsultats de contrle.
Le risque client
Risque de deuxime espce, il correspond la probabilit pour quun lot
rejetable soit accept par les rsultats de contrle.
Mr : Hassan ELMRABET
12
Contrle
Par attributs
Par mesures
Modes de contrle
Par chantillonnage
Plan de contrle
Type dinspection :
Par attributs
Par dcomptes de dfauts
Par mesures
Mr : Hassan ELMRABET
13
Type dchantillonnage
Echantillonnage simple
On prlve un chantillon de taille n, la dcision dacceptation est prise sil
contient k pices dfectueuses au moins (KAc). Dans le cas contraire le lot est
rejet soit KRe.
Ac : critre dacceptation
Re : critre de rejet.
Prlever n
individus
Si KAc
Si KRe
Accepter le lot
Refuser le lot
Echantillonnage simple
Mr : Hassan ELMRABET
14
Echantillonnage double
On prlve un premier chantillon de taille n1 la dcision dacceptation est
prononce si le lot contient Ac1 au moins de dfectueux (K1Ac1), dans le cas o
il contient plus de Re1 il est rejet (K1Re1), si le nombre de dfectueux est situ
entre Ac1 et Re1 (Ac1<K<Re1)on ne peut prendre la dcision et on procde un
second contrle.
Prlever n1 individus
K1Ac1
Ac1<K1<Re1
Accepter le lot
K1Re1
Refuser le lot
Prlever n2 individus
K2Ac2
K2Re2
Accepter le lot
Refuser le lot
Echantillonnage double
Mr : Hassan ELMRABET
15
Echantillonnage multiple
Le principe de lchantillonnage est analogue celui adopt en chantillonnage
double, avec un ou plusieurs prlvements successifs jusqu la prise de la
dcision dacceptation ou de rejet.
Prlever n1 individus
K1Ac1
Ac1<K1<Re1
Accepter le lot
K1Re1
Refuser le lot
Prlever n2 individus
K2Ac2
K2Re2
Accepter le lot
Refuser le lot
Prlever ni individus
KiAci
KiRei
Accepter le lot
Refuser le lot
Echantillonnage multiple
Mr : Hassan ELMRABET
16
Recommandations pratique
Selon le degr de risque que peut prsenter le produit contrler on peut adopter
un contrle plus au moins svre. Sous cet angle la norme amricain MIL STD
105D prvoit trois type de contrle usuels ( I, II, III) et quatre autre spciaux
(S1, S2, S3, S4).
Dune faon gnrale on commence toujours par un contrle normal (II) sauf
indication particulire de la part du client ou du fournisseur qui conduira soit
un contrle renforc (III) ou un contrle rduit (I).
la modification du niveau du contrle aura lieu.
II III : 2 lots sur 5 conscutifs refuses.
III II : 5 lots conscutifs accepts.
II I : 10 lots conscutifs accepts.
I II : 1 lot refus.
Dbut
Contrle
rduit
Mr : Hassan ELMRABET
Contrle
normal
Contrle
renforc
5lots conscutifs
sont accepts
Interrompre
le contrle
Le fournisseur
amliore la qualit
17
II
III
S1
S2
S3
S4
A
A
B
C
C
D
E
F
G
H
J
K
L
M
N
A
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
B
C
D
E
F
G
H
J
K
L
M
N
P
Q
R
A
A
A
A
B
B
B
B
C
C
C
C
D
D
D
A
A
A
B
B
B
C
C
C
D
D
D
E
E
E
A
A
B
B
C
C
D
D
E
E
F
F
G
G
H
A
A
B
C
C
D
E
E
F
G
G
H
J
J
K
Mr : Hassan ELMRABET
18
Limite suprieure
Pour chaque caractre contrl on supposera une limite suprieure note Ts.
F(u)
Ts
X 1 xi
n i 1
Mr : Hassan ELMRABET
et
2
1
xi X
n 1 i 1
n
19
Ts X U p
X U p Ts
Donc le plan dchantillonnage correspond est tabli selon :
Donc :
Prlever n individus
X U p Ts
X U p Ts
Accepter le lot
Refuser le lot
Limite infrieure
La condition dacceptation devient X Ti U p
donc Ti X U p
F(u)
Ti
Mr : Hassan ELMRABET
20
Prlever n
individus
Ti X U p
Ti X U p
Accepter le
lot
Refuser le
lot
Calcul de n et de k
Dune faon gnrale on impose les couples (p1,), (p2,) ce qui nous conduit
dterminer la taille de lchantillon n prlever et le nombre de dfectueux K
qui servire de rfrence pour prononcer lacceptation ou le rejet. Puisquil sagit
dune loi normale de moyenne X et dcart type . Pour une proportion p de
valeurs de x suprieurs la limite Ts correspond une valeur de la normale
rduite dfinie par :
Ts X U1 p U p (I)
Pour p=p2 P X x n nk U1 P2
Mr : Hassan ELMRABET
21
t1'
t'
et k t2 2 avec t1 U1 P1 , t2 U1 P2 , t1' U1 et t2' U1
n
n
Mr : Hassan ELMRABET
22
Mr : Hassan ELMRABET
23
Caractres gales
Politique de dtection
Politique de prvention
Fin de chane
Fin de chane
Dfectueux
Contrle
Retoucher
Conforme
Contrle
Conforme
Zone vierge
(Aucune
dpense)
Zro rebut
Tri
Dfectueux
Emballage
Rebut
Emballage
Mr : Hassan ELMRABET
24
VARIABILITE
Dans la nature, il nexiste jamais deux lments identiques, ces diffrences
peuvent tre visible o savre dlicate mettre en vidence, la variabilit est
une situation normale et naturelle.
En fabrication mcanique, une machine trs performante ne produit jamais deux
pices identiques. Elles apparaissent semblable, Cest que la sensibilit de
linstrument de mesure nest pas suffisante pour la diffrencier.
Les dimensions dune pice usine peuvent tre affects par les facteurs
suivants :
Machines (prcision des dplacements, usine des paliers, rglage, etc.)
Outil (tat de larte de loutil, taux dusure, etc.)
Matriaux (dimension, composition, duret, etc.)
Oprateur (fatigue, motivation, etc.)
Maintenance (lubrification, changement des pices usines, etc.)
Environnement (temprature, humidit, pression, stabilit de
lalimentation lectrique)
Quelque soit le niveau de qualification des oprateurs, la prcision des
machines, le degr dhomognit et de puret de matires premires. Les
caractristiques dun produit ne sont rigoureusement identiques car les effets
combins de tous les facteurs citer prcdemment provoquent une variation
naturelle qui doit tre en concordance avec les besoins. Il est important de
pouvoir estimer et matriser cette dispersion.
Exemple
Il sagit dun lot de 50 arbres pauls. Ils appartiennent une mme srie
ralise sur un tour parallle en prise en mandrin 3 mors durs serrage
concentrique avec une bute de broche.
Mr : Hassan ELMRABET
25
Lusinage et le relev des cotes ont t effectus par le mme oprateur et dans
des conditions strictement identiques (mme ambiance).
dimension
Numro de la pice
dimension
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
20,648
20,676
20,667
20,676
20,648
20,656
20,646
20,665
20,680
20,658
20,685
20,673
20,671
20,663
20,676
20,655
20,666
20,678
20,670
20,686
20,654
20,684
20,689
20,693
20,687
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
20,690
20,702
20,705
20,690
20,687
20,702
20,704
20,685
20,701
20,697
20,701
20,698
20,697
20,680
20,714
20,723
20,708
20,709
20,686
20,730
20,719
20,715
20,723
20,714
20,731
Mr : Hassan ELMRABET
26
20,730
20,720
20,710
20,700
20,690
20,680
20,670
20,660
20,650
46
41
36
31
26
21
16
11
20,640
Calcul de ltendue
Ltendue est la diffrence entre les deux valeurs extrmes de la srie.
W = valeur maxi valeur mini
Dans ce cas W=20,731-20,646= 0,085
Mr : Hassan ELMRABET
27
Le groupement en classes
Leffectif de classe ou frquence absolue, sobtient en comptant le nombre
dindividus contenus dans chaque classe (ou frquence absolue) not ni. On
obtient le tableau des frquences absolues ci-aprs.
Classe [20,644 ;20,655[ [20,655;20,666[
ni
Classe [20,688;20,699[
ni
10
[20,721;20,732]
4
Construction de lhistogramme
Mr : Hassan ELMRABET
28
Origines de variabilit
Les causes (facteurs) qui contribuent ces fluctuations sont nombreuses. Elles
sont de deux types :
Les causes dites normales, ordinaire, naturelles, alatoires, sont inhrents au
processus lui mme (propres aux personnels, aux matires premires,
loutillage, aux machines et aux autres constituants du processus). Elles sont
gnralement trs nombreuses et faibles effets cumuls. La variation globale
due aux causes alatoires est prvisible, ce qui rend le procd stable et
contrlable.
Les causes dites anormales, particulires, non naturelles, assignables ou
spciales (elles sont externes au processus). Elles sont celles sur lesquelles il est
gnralement possible dagir, leurs effets peuvent tre isoles dans le temps et
assez marques. La variabilit due ces causes est gnralement imprvisible.
Elles rsultent dlments qui peuvent tre changes ou corriges.
Mr : Hassan ELMRABET
29
Exemple
Dans un atelier de production classique . la fabrication des pices sur un tour
fait apparatre diffrentes causes de variabilit sur le diamtre.
Jeu dans les glissires : est une cause alatoire. Elle est toujours prsente
sur le procd, cest une source de variations.
Temprature de latelier : pour les m^mes raisons que a cest une cause
alatoire.
Bris doutil : est une cause assignable ou anormale car son effet est isol
dans le temps.
Usure des outils : est une cause assignable ou anormale car son effet
affecte sur les dimensions des pices de faon croissante.
Matire premire : nest pas bien dfini. Il sagit de la variation de la
qualit de la matire premire cest une causes alatoire ou normale, par
contre sil sagit dun dfaut matire cest une causes anormale ou
assignable.
Mr : Hassan ELMRABET
30
LCI
LCS
Frontire
Frontire
Danger
Danger
X
Causes anormales
Causes normales
Causes anormales
peu nombreuses
trs nombreuses
peu nombreuses
variations alatoires
Imprvisibles
prvisibles
imprvisibles
Contrlables
incontrlables
contrlables
Grands effet
grands effet
Mr : Hassan ELMRABET
31
Principe
Rappelons quil sagit toujours de distributions gaussienne ou suffisamment
proche.
A laide de la rgle de 3 on dresse les frontires naturelles sparant les causes
normales et anormales.
Soient :
LCI X X X 3
LC X X X Ligne centrale.
Lindice x fait rfrence aux limites de contrle des mesures individuelles.
Mr : Hassan ELMRABET
32
LCS
III
+3
II
+2
I
LC
-2
II
-3
III
LCI
Mr : Hassan ELMRABET
33
Carte normale
LCS
LCS
LCI
1
10 11 12
Analyse
Aucun point nest en dehors des limites de contrle
Les points fluctuent au hasard et sont distribus quitablement par rapport la
limite centrale
La plus part des points sont proches de la limite centrale
Quelques points sont au voisinage des limites de contrles
Actions engager
Profiter de cette situation confortable pour amliorer les performances du
processus.
Mr : Hassan ELMRABET
34
Cartes anormales
Points lextrieur des limites de contrles
LCS
LC
LCI
1
10 11 12
Analyse
La prsence dau moins un point lextrieur des limites de contrle est due
des causes anormales, elle peut tre la consquence :
Dune erreur de pointage
Dun changement dquipe ou de flux de matire premire
Dun dommage accidentel, dune panne ou dun rglage limite
Actions engager
Il procder lidentification de la source de cette vnement et engager une
action corrective. Il se peut quil est rptitivit de cette phnomne, dans ce cas
pousser lanalyse jusqu lidentification de la cause et procder son
limination.
Mr : Hassan ELMRABET
35
LC
LCI
1
10 11 12
Analyse
Il sagit dune variation soudaine qui peut tre due un changement doprateur
(nouveau rglage) ou de flux de matire premire.
Actions engager
Sassurer que loprateur est rellement lorigine de cette variation. Si ce nest
pas le cas ce sont les matires premires qui sont les causes. Il faut donc
envisager un contrle trs rigoureux au niveau de la rception.
Mr : Hassan ELMRABET
36
LC
LCI
1
10 11 12
Analyse
Caractris par des hauts et de bas rptitif, il synonyme de causes particulires,
prvisibles :
Changement de pression
Changement de temprature
Changement dappareil de mesure
Changement de matire premire
Changement doprateur, etc.
Actions engager
Identifier rapidement les causes, les isoler et procder leur limination .
Mr : Hassan ELMRABET
37
Drive
LCS
LC
LCI
1
9 10 11 12
Analyse
Il est caractris par un dcalage progressif des points, elle est souvent due
lusure de loutil, dans certains cas, il sagit dfaut dentretien, dun changement
saisonnier, etc.
Actions engager
Tant que le drglage progressif volue lintrieur des limites de contrle,
profiter pour lidentifier et isoler les causes de cette tendance, ensuite les
corriger.
Mr : Hassan ELMRABET
38
Remarque
Notons que ces rgles ni exhaustives ni restrictives, tout au moins, il convient
dattirer lattention des utilisateurs des cartes de contrle sur les faits suivants :
Les causes anormales peuvent bien se manifester au bien lintrieur qu
lextrieur des limites de contrle. Ainsi une variation lextrieur des limites
de contrle des grandes chances dtre la consquence dune cause anormale,
dans ce cas il faut lidentifier et lisoler.
Une variation lintrieur des limites de contrle nest pas exempte de prsence
de causes anormales. Nanmoins il faut surveiller de trs prs lvolution de la
caractristique surveille. Il est trs probable quune cause anormale surgisse
lintrieur des limites de contrle comme cela t voqu prcdemment. Si
cest le cas il faut procder rapidement lidentification de ces causes et les
liminer avant quil soit trop tard (apparition de non conforme).
Avant dengager une action ou une correction (rglage) il faut sassurer quil
sagit rellement de variations dues des causes anormales, car toute confusion
entre les deux types dintervention pouvait engendrer un cot trs levs et des
consquences fcheuses. Ajout cela, elle peut occasionner un retard au niveau
de la recherche de la solution et contribue srieusement la complication et
laggravation du problme, ce qui entrane un retard au niveau de livraison.
LC
LCI
1
10 11 12
Mr : Hassan ELMRABET
39
LC
LCI
1
10 11 12
LC
LCI
1
10 11 12
Mr : Hassan ELMRABET
40
LCS
LC
LCI
1
10
11
LCS
LC
10
11 12
LCI
Mr : Hassan ELMRABET
41
LC
10
11 12
LCI
LCS
LC
10 11 12
LCI
Mr : Hassan ELMRABET
42
Dimension
Le processus est dit instable ou non sous contrle. Les caractristiques, aussi
bien de la moyenne que de lcart type ou les deux paramtres la fois sont
dynamiques (variables). Par consquent imprvisibles. Seuls les causes
anormales de variabilit sont en action.
Nous allons caractriser un processus par sa capabilit naturelle, son indice de
capabilit.
Mr : Hassan ELMRABET
43
Capabilit naturelle
La capabilite naturelle dun processus est dfinit par son aptitude produire des
produits conformes. Elle est caractrise par sa propre dispersion naturelle. Il est
clair que plus la dispersion naturelle du processus est faible, plus la proportion
de non conformes est faible et plus le processus est dit stable. On dfinit la
capabilit naturelle dun processus par :
Cn6
Rappelons que nous ne faisons aucune rfrence aux spcifications, alors quil
faudra satisfaire les exigences par le plan qui sont les tolrances. Divers cas sont
envisageables, selon la valeur de la capabilit naturelle du processus Cn.
Cn
IT
Figure 1
Cn
Cn
IT
IT
Figure 2
Figure 3
Mr : Hassan ELMRABET
44
IT
Cn
Cn
IT
IT
Les trois figures montrent clairement quil nexiste aucune solution qui
permettra dviter la production de rebuts. Une certaine proportion de non
conformes est toujours prsente, le processus est non capable.
Capabilit
Avant de placer un procd sous contrle, il est ncessaire de vrifier qu'il est capable
de raliser la caractristique contrle en respectant les tolrances demandes.
Pour vrifier cette capabilit on peut calculer un indice de capabilit, il en existe
plusieurs:
- Les indices de capabilit machine (Cm et Cmk)
- Les indices de capabilit procde (Cp et Cpk)
- L'indice de capabilit Cpm ou "indice de capabilit Taguchy".
Les conditions de mesure diffrent pour ces indices.
Le premier indice mesure la capabilit machine uniquement, c'est--dire qu'on ne prend
en compte que la machine. Cela implique que les mesures sont faites de manire ne
prendre en compte que la variabilit alatoire de la machine (pas de changement
d'oprateur, de matires, pas de' rglage). Le deuxime indice peut se raliser sur une
priode de temps plus importante et prend en compte le procd global (machine, maind'uvre, matriel, milieu).
Prenons par exemple un axe de diamtre 10 mm avec une tolrance de 0,1mm.
L'intervalle de tolrance est de : tolrance suprieure - tolrance infrieure =0,2mm.
Le calcul de lindice de capabilit machine Cm est le mme que celui de
lindice de capabilit procd Cp
Mr : Hassan ELMRABET
45
Indice de capabilit Cp
Malgr la dfinition de la capabilit naturelle dun processus Cn6 . On ne peut
pas dire que le processus est capable ou non. Do lintroduction de lindice de
capabilit qui fait confronter la fois les spcifications propres du processus et
les spcifications des du plan.
Lindice de capabilit est dfinit par :
Cp Ts Ti
6
Ts : limite suprieure de la tolrance.
Ti : limite infrieur de la tolrance.
: Lcart type.
Remarque
Si le processus est instable, il est inutile de calculer sa capabilit, elle naura
aucun sens.
Mr : Hassan ELMRABET
46
Ts
6
2) 6 TsTi Cp=1
Ti
Ts
Mr : Hassan ELMRABET
47
3)
6 TsTi
Cp>1
Cp=1,33
(Acceptable)
Cp=1,66
(performant)
IT=Ts-Ti
Calcul de Cpk
Coefficient de capabilit procd Cpk qui permet dapprcier la
dispersion et le centrage
Cpk min(
Mr : Hassan ELMRABET
Ts x x Ti
;
)
3
3
48
Calcul de Cpm
Lindice de capabilit Cpm ou iindice de capabilit Tagauchy veille
ce que lon ne sloigne pas trop dune valeur cible en gnral le milieu
de lintervalle
Ts Ti
Cpm
6
n( X T )
n 1
T: la valeur cible
Mr : Hassan ELMRABET
49
Application
La cote raliser est de 1048 mm
L'cart-type estim est de 0,12mm
La moyenne est de 10 mm
Calculer Cp et Cpk
Solution
Calcul de Cp et Cpk :
Cp
1,33
6
6 x0,12
0,72
X Ti Ts X
Cpk min
,
3
3
10 9,52 10,48 10
,
1,33
3 x0,12
3 x0,12
La machine est capable et elle est bien rgle: elle peut tre mise sous
contrle.
Application
La cote raliser est de 1048 mm
L'cart-type estim est de 0,12mm
La moyenne est de 10,24 mm
Calculer Cp et Cpk
Solution
Calcul de Cp et Cpk :
Cp
1,33
6
6 x0,12
0,72
X Ti Ts X
Cpk min
,
3
3
Mr : Hassan ELMRABET
50
Dans le troisime cas, la machine est capable mais pas bien rgle: il
faut donc rgler la machine.
Application
La cote raliser est de 10l mm
L'cart-type estim est de 0,12mm
La moyenne est de 10,24 mm
La valeur cible T est de 10mm
et n = 50.
Calculer Cpm,Cm et Cm.
Solution
Calcul de Cp, Cpk et Cpm:
Cp
Ts Ti 11 9
2
2,77
6
6 x0,12 0,72
X Ti Ts X
Cpk min
,
3
3
10,24 9 11 10,24
,
2,11 1,33
3 x0,12
3 x0,12
Cpm
n( X T )
50(10,24 10)
0,12 2
0,27
n
49
2
1,23 1,33
6 x0,27
Il nest pas bon car, bien que lon reste largement dans les tolrances, on
sloigne de la cible
Mr : Hassan ELMRABET
51
Mr : Hassan ELMRABET
52
Deuxime tape
Une fois la stabilit du processus acquise, on procde limplantation des cartes
de contrle dites provisoires. Les limites de contrle sont calcules partir des
chantillons prlevs durant la premire tape.
Mr : Hassan ELMRABET
53
Troisime tape
Les limites de contrle provisoires ayant t, on passe au contrle proprement
dit. Certain variations plus au moins frquentes peuvent se produire au dbut,
des points sortiront des limites de contrle. On procde alors la recherche des
causes qui auraient pu tre lorigine de ces variations. On liminera ensuite les
chantillons concerns. On prlve une nouvelle srie dchantillons. On
procde nouveau au calcul des limites de contrle et on rpte cette opration
jusqu linstauration des limites de contrle dfinitives. A ce stade on passe la
surveillance.
X11
X1j
X1r
Xi1
Xij
Xir
Xn1
Xnj
Xnr
Mr : Hassan ELMRABET
54
X
i 1 j 1
ij
1 X ij X
N 1 i 1 j 1
n
W=Xijmax-Xijmin
i 1
i 1 X i X
n 1 i 1
n
Mr : Hassan ELMRABET
55
X..
X j
j1
X, j 1 X j X..
r 1 j1
Lcart type de la distribution des moyennes des diffrents chantillons est gal
:
X, j
n
Par ailleurs lcart type du processus est gnralement diffrent de la moyenne
des cart-types des chantillons. De ce fait il est corrig par le biais de la
constante a do la relation :
..
a
Puisque lcart type et ltendue caractrisent tous les deux la dispersion, il sont
alors intimement lis. De ce fait des relations ont t tablies pour calculer
lcart-type partir de ltendue et vice versa, on trouve ainsi les relations
suivantes :
W..
b
On peut aussi calculer lcart type des tendes
tendues W.. Soit :
w.j W..
bc
Les constants a, b et C sont fournies par le tableau.
Mr : Hassan ELMRABET
56
La figure qui suit prsente les relations liant la moyenne, lcart type de la
population mre
(processus) et les diffrents chantillons (prlvements).
N( X.. ,) processus
X..
Echantillons
Ech 1
Ech 2
Ech j
Ech r
X1
X2
Echantillons
Moyenne des
chantillons
Xj
N( X.. ,
Xr
) Distribution de la moyenne
n
des chantillons
X..
Mr : Hassan ELMRABET
57
Tableau rcapitulatif
Distributions
Caractristiques
Des mesures
individuelles
Moyennes
X..
W..
Ecart type
.. ou W..
a
b
..
a n
ou
.. W..
ac ou bc
W..
b n
Pour calculer les limites des cartes de contrle aux mesures, il suffit de connatre
les trois paramtres suivants :
* La taille de lchantillon n
* La moyenne des moyennes des diffrents chantillons X..
* La moyenne des tendues des diffrents chantillons W..
Application
j
10
35
30
10
30
40
30
30
30
10
20
40
20
35
25
30
55
30
30
30
35
15
25
35
50
15
30
25
30
15
30
40
40
25
30
45
35
40
50
20
35
25
40
40
05
45
40
10
35
30
30
Xi
31
31
29
28
35
38
27
35
21
30
10,84
08,95
11,94
16,05
12,75
10,37
10,95
08,66
08,94
06,12
Wi
25
20
30
45
30
25
30
20
20
15
Mr : Hassan ELMRABET
58
X, j
X..30,5
3130,52 .....3030,52
9
X, j 4,813
10,844
X, j
4,849
n
5
A 3% ce rsultat concide parfaitement avec celui donn par le calcul directe sur
les diffrents chantillons.
w, j
La moyenne des cart types des diffrents chantillons est donn par :
10,84.....6,12
..
10,557
10
Mr : Hassan ELMRABET
59
4) Tableau rcapitulatif
Distributions
Caractristiques
Des mesures
individuelles
Moyennes
X =30,5
X.. =30,5
W..=26
Ecart type
10,844
X, j 4,813
w, j 8,432
Etendue
W=50
WX, j 17
WW, j 30
Reprsentation graphique
Du processus N( X =30,5 ; 10,844 )
Des moyennes N( X.. =30,5 ; X, j 4,813 )
Des tendues N(W..=26; w, j 8,432 )
Mr : Hassan ELMRABET
) [ X = X..
n
X, j ]
n
60
X..3,09 X X..3,09
n
n
LCI LC LCS
X..3,09 .. XX..3,09 ..
a n
a n
On peut prendre 3 au lieu de 3,09 car ceci ne change pas grand chose au
niveau de la prcision.
Les limites de contrle dfinitives sont de la forme :
LCI X..A..
Avec A 3 (Tableau) Pour n=10 a=0,9727
a n
Mr : Hassan ELMRABET
A=1,287
61
..
par W
b
b n
LCSX..BW..
LC X..
LCIX..BW..
Avec B 3
b n
B=0,577
Mr : Hassan ELMRABET
62
LCSE1..
LC..
LCI E2..
Carte de ltendue
Les limites de contrle sont dfinies par
LCSF1W..
LCW..
LCI F2W..
(E1 , E2 , F1 , F2
Mr : Hassan ELMRABET
63
et de lcart type
LCI X..A..
Calculer les limites de contrle de
LCSE1..
LC..
LCI E2..
Mr : Hassan ELMRABET
64
10
11
12
13
14
15
16
j
1
6,09 6,10 6,30 6,58 6,35 6,33 6,40 6,41 6,32 6,67 6,91 6,95 6,04 6,68 6,63 6,65
6,01 6,15 6,58 6,42 6,38 6,25 6,20 7,02 6,46 6,67 6,07 6,40 6,44 6,34 6,04 6,15
6,63 6,17 6,99 6,50 7,10 6,55 6,63 6,64 6,75 6,70 6,86 6,44 7,15 6,70 6,59 6,51
5,88 6,98 6,85 6,80 6,90 6,71 6,28 6,51 7,19 6,63 6,59 6,35 7,17 6,83 6,25 6,96
5,90 6,45 6,48 6,81 6,77 6,60 6,52 6,47 6,49 6,29 6,52 6,80 5,84 6,15 6,25 6,57
Xi
i
Wi
Mr : Hassan ELMRABET
65
LCSX..BW..
LC X..
LCIX..BW..
Calcule des limites de contrle de W
LCSF1W..
LCW..
LCI F2W..
Mr : Hassan ELMRABET
66
10
11
12
13
14
15
16
7,59
7,60
7,80
8,15
8,18
7,82
7,83
7,54
7,90
7,91
8,13
8,08
8,41
8,45
7,60
8,41
7,51
7,65
8,08
7,65
7,84
7,96
7,75
7,94
7,70
8,52
7,54
7,92
7,57
7,90
7,65
7,57
8,13
7,67
8,49
8,01
8,20
8,25
8,05
8,55
8,13
8,14
8,09
8,00
8,36
7,94
7,67
8,36
7,38
8,48
8,35
8,44
8,33
8,69
8,21
8,57
7,78
8,01
7,75
8,30
8,09
7,85
8,48
8,09
7,40
7,95
7,98
8,07
8,65
7,99
8,10
7,34
8,02
7,97
7,75
8,31
8,02
8,30
7,95
8,02
Xi
i
Wi
Mr : Hassan ELMRABET
67
~
X
et de ltendue W
~
LCSX.CW..
~
LCX.
~
LCIX.CW..
Calcule des limites de contrle de W..
LCSF1W..
LCW..
LCI F2W..
Mr : Hassan ELMRABET
68
10
11
12
j
1
300,20 300,00 300,35 300,20 299,70 300,05 300,15 299,95 300,05 300,25 299,85 300,05
300,15 300,20 300,20 300,20 300,10 300,15 300,20 300,00 300,25 300,10 299,80 300,10
300,05 300,30 300,25 300,00 300,05 299,85 299,75 300,20 300,05 299,75 299,70 300,15
300,35 300,25 300,30 300,35 300,20 299,85 299,80 300,15 299,85 299,80 300,00 299,95
300,20 300,30 300,05 300,30 300,20 300,05 299,85 300,15 299,95 299,85 300,00 300,10
Xi
i
Wi
Mr : Hassan ELMRABET
69
LCSXDW..
LCX
LCI XDW..
Calcule des limites de contrle de W..
LCSF1W..
LCW..
LCI F2W..
Mr : Hassan ELMRABET
70
Moyennenp
Ecarttype np1p
n : Taille de lchantillon
p : Proportion de non conformes dans la population sur laquelle lchantillon est
prlev (gnralement estime)
Procdure
1) On note les paramtres suivants.
Taille de lchantillon n=
Nombre dchantillon. r=
2) Compter le nombre de non conformes par chantillon.
d1 ,d2..dr-1 ,dr
3) Compter le nombre total de non conformes.
D= d1 +d2+..+dr-1 +dr
4) Calculer le nombre total dindividus contrls
N=nr.
5) Calculer la proportion de non conformes pour lensemble des r chantillons.
p0 D d1 d 2.....d r 1 d r
N
n*r
Mr : Hassan ELMRABET
71
6) Calculer la moyenne
np 0
7) Calculer lcart type
np 01p0
LCI np 0 3 np 01p0
Dans le cas o LCI est ngative, elle prendra la valeur zro.
REMARQUE
Ce type de carte est utilis lorsque la taille de lchantillon est constante.
Mr : Hassan ELMRABET
72
Mr : Hassan ELMRABET
73
Application carte np
Une compagnie fabrique des appareils lectromnagers. Les rsultats de
l'inspection finale d'un certain modle pour le mois de novembre sont: On
procde au prlvement de 25 chantillons de 140 individus.
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Total
Date
Mai.9
I
II
Mai. 10 I
II
Mai. 11 I
II
Mai. 12
I
II
Mai. 15 I
II
Mai. 16 I
II
Mai. 17
I
II
Mai. 18 I
II
Mai. 19 I
II
Mai. 22 I
II
Mai. 23 I
II
Mai.24 I
II
Mai. 25 I
Nombre
Pourcentage
d'appareils
d'appareils
non conformes non conformes
14
13
8
16
17
11
25
16
15
12
13
15
16
19
12
16
11
12
16
18
14
17
18
28
16
A- Compltez le tableau.
B- Tracez la carte de contrle adquate en utilisant toutes les donnes
disponibles mais en se basant sur Je nombre moyen des appareils vrifis.
C- proposer une carte de contrle pour le mois de juin
Mr : Hassan ELMRABET
74
d1 , d 2 , . d r 1 , d r
n
n
n
n
4) Calculer la proportion moyenne de non conformes pour lensemble des r
chantillons.
p0 D d1 d 2.....d r 1 d r
N
n*r
p01p0
n
LCp0
LCI p0 3
p01p0
n
Mr : Hassan ELMRABET
75
p0 d1 d 2.....d r 1 d r
N
N= n1+ n2 + nj +. nr-1 + nr
5) Calculer les limites de contrle
Approche pratique
Dans le cas, taille variables, limites variables
Utilis la taille moyenne pour calculer les limites de contrle
recalculer les limites de contrle pour les chantillons dpassant
25% de la taille moyenne
p0 1 p0
nm oy
LCp0
LCI p0 3
Mr : Hassan ELMRABET
p0 1 p0
nm oy
76
Application carte p
Une compagnie fabrique des appareils lectromnagers. Les rsultats de
l'inspection finale d'un certain modle pour le mois de novembre sont:
No.
Date
Nombre
d'appareils
vrifis
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Total
Nov.9
Nov. 10
Nov. 11
Nov. 12
Nov. 15
Nov. 16
Nov. 17
Nov. 18
Nov. 19
Nov. 22
Nov. 23
Nov.24
Nov. 25
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
II
I
170
135
137
170
45
155
195
180
181
115
165
189
165
170
175
167
141
159
181
195
165
140
162
191
139
3987
Nombre Pourcentage
d'appareils
non
d'appareils
conforme
8
4,7
13
9,6
26
30
3
11
7,1
30
36
38
21,0
33
26
15,8
15
16
35
12
6
3,6
50
35,5
26
16
38
33
21
18
11,1
22
11,5
16
578
A- Compltez le tableau.
B- Tracez la carte de contrle adquate en utilisant toutes les donnes
disponibles mais en se basant sur Je nombre moyen des appareils vrifis.
C- proposer une carte de contrle pour le mois de dcembre
Mr : Hassan ELMRABET
77
La carte de contrle C
On enregistre c : le nombre de non conformit par unit contrle
C moyen = somme (ci)/k ou ci est le nombre danomalies de lunit i et k
est le nombre dunits contrles
k
LCS C 3 C
LC C
LCI C 3 C
Mr : Hassan ELMRABET
78
Application
Lors dune enqute sur la qualit du dossier patient on a repr les
lments suivants
Anomalies
RUM n
APR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
DSNR
DCPNS
Donne
Admin
Actes
2
1
Total
1
2
4
3
0
1
0
1
1
0
0
1
0
0
0
4
1
0
0
1
0
1
1
1
3
1
APR: Absence dune pice rglementaire. DSNR: dlai de sortie non respect
DCPNS: Dossier comptant des pices non signs
Solution
4,5
4
3,5
3
2,5
LSC
LIC
1,5
1
0,5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
LCS= 3,75
LC=0.9
Mr : Hassan ELMRABET
LCI=0
79
Description
Une grande flche horizontale exprime le rsultat dsir : leffet, la
consquence. Ce rsultat peut tre : une caractristique, une consquence, une
opration, un but, un objectif, un rsultat.
Les autres flches disposent en artes de poisson autour de laxe principale
dclinent les causes. La subdivision peut se poursuivre jusqu ce que toutes les
causes possibles aient t identifies.
Effet
Mr : Hassan ELMRABET
80
Recommandations
Pour viter dalourdir le schma, il est recommand de ne pas dpasser six
flches obliques, autrement dit six activits ou causes principales.
Pour dfinir les causes et les effets, on peut se rfrer aux mthodes rsolution
des problmes
Pour dfinir les principales familles de causes il est recommand dutiliser les
cinq M universels et utilisables dans tous les services.
Machines : tout ce qui ncessite un investissement et sujet amortissement :
exemple : locaux, outillages.
Main-duvre : cest le personnel, la hirarchie, toutes les personnes qui
concourent la marche de lentreprise.
Mthodes : cest la faon de faire : les gammes, les spcifications, les modes
demploi, les notices, les instruction, les processus.
Matires : tout ce qui est consommable : fluides, matires premires, le papier,
llectricit
Milieu : cest lenvironnement, les conditions de travail, lambiance de travail,
les relations, les contacts, les fournisseurs.
Pour tracer le diagramme il sagit de positionner les mots clefs sur le schma et
de se mettre daccord par un vote pondr.
Matrice de compatibilit
Mr : Hassan ELMRABET
81
But
Prparer la dcision l'occasion du choix : d'un problme, ou d'une solution ou
d'une action entreprendre
Prenant en compte les critres de choix : contraintes imposes, objectifs
atteindre, fonctions remplir
Droulement :
Lister les critres : contraintes imposes, objectifs atteindre, fonctions
remplir
Etablir la liste des problmes, ou des solutions, ou des actions entreprendre
parmi lesquels il Faire un choix.
Exemple
Logistique distance longue pour des denres prissables
CRITERES
Cot : moins de....
Scurit
Rapidit (plus de 200
Km/h)
Prservation aliments
Train
+
+
Bateau
-
Camion
+
?
Brainstorming
Mr : Hassan ELMRABET
82
Mthodologie
Le brainstorming doit tre organis par un animateur qui doit :
Annoncer le but recherch du brainstorming.
Sassurer de la reprsentativit des personnes convoques,
Disposer d'un support pour noter les suggestions qui resteront visibles au groupe
de rflexion
Animer le groupe en favorisant la production d'ides.
Marche suivre
A- Choisir un animateur
Pour conduire un brainstorming, il faut un animateur, cette fonction peut tre
remplie par un membre de groupe ou un professionnel externe. Le rle de
lanimateur est de runir et mettre crit les ides qui mergent. Ainsi que de
diriger les tapes de classement, valuation et interprtation des ides.
83
D- Exploiter et valuer
Aprs la phase crative, les ides sont classes, ce moment l, les demandes de
prcision sont admises et les ides peuvent tre discutes et critiques.
L'animateur relit avec le groupe, toutes les ides notes afin de reformuler des
ides peu claires et d'liminer les ides hors sujet. On peut ensuite tenter de
regrouper les ides similaires et de reformuler les ides finales. Il convient alors
dans un dernier temps de hirarchiser ces ides pour mettre en vidence les
priorits recherches qu'il s'agisse des causes ou des solutions un problme. On
pourra pour ce faire avoir recours au vote, a l'utilisation de l'expansion de
fonctions (attribution de notes aux ides) ou encore au diagramme cause/effet
E- conclusion
Dans la dernire tape, on peut dcider des procds futurs en sinspirant des
ides apparues lors du brainstorming en dduire des recommandations et des
mesures prendre.
Le brainstorming permet donc de parvenir trouver grce la rflexion
collective les causes possibles d'un problme et les solutions celui-ci.
Toutefois pour accrotre la crativit du groupe, il convient de :
Laisser libre cours ses rflexions sans rien justifier
Favoriser la quantit en disant le plus possible d'ides
Sinspirer des ides des autres pour les enrichir ou les complter
Sabstenir de critiquer, de discuter ou de juger les ides mises.
Mr : Hassan ELMRABET
84
Le QQOQCP
Le QQOQCP est un outil simple usage multiple, au regard de la nouvelle
norme et des impratifs dapprocher lorganisme par ses processus, il autorise
demble les bonnes questions.
Q : Quoi,
Q : Qui,
O : O,
Q : Quand,
C : Comment,
P : Pourquoi.
Cet outil trouve une certaine efficacit dans la rsolution des problmes. En
effet, pour une analyse systmique et pragmatique des informations et donnes
au problme, il devient ncessaire dcrire ce qui est le problme et ce qui ne lai
pas. Lexamen des dfrences permet disoler le problme global ce que lon
propose dtudier. Le QQOQCP permet de poser de nombreuses questions o
limagination na pas de borne. Son but est de parvenir une formulation claire
et prcise du problme. Pour la rsolution des problmes le QQOQCP se
prsente sous forme dun tableau.
Questions
est
Quoi ? pices, places,
sous-ensembles,
produits, services,
maintenance,
machines, gammes,
procdures,
..
Qui ? le personnel,
fournisseurs, clients,
..
O ? atelier, service,
lieu, distances,
rception, chez le
fournisseur, chez le
client, accueil
..
Quand ? le jour, quel
jour, lheure, le
matin, le mois,
.
Comment ?
fournisseurs,
transport, matriel,
Pourquoi ?
Mr : Hassan ELMRABET
Nest pas
Diffrence
85
Mr : Hassan ELMRABET
86
Mr : Hassan ELMRABET
87
Mr : Hassan ELMRABET
88
Effet graves
Opration du processus
Dtections
Causes primaires
Dtections
Il est important de noter que lorsqu'une entit donne est considre selon un
mode de dfaillance donn, toutes les autres entits sont supposes en tat de
fonctionnement nominal.
Mr : Hassan ELMRABET
89
Evaluation de la criticit
Cette phase consiste valuer la criticit des dfaillances de chaque lment
partir de plusieurs critres de cotation, elle se fait sur ltat actuel de la machine
au moment de ltude.
Les critres de cotations sont :
La frquence dapparition de la dfaillance (F)
La gravit de la dfaillance (G)
La probabilit de la non dtection de la dfaillance (N)
Pour effectuer une valuation, on utilise les grilles de cotation de lAMDEC
Pour chaque combinaison cause-mode-effet on calcule la valeur de la criticit
partir des niveaux atteins par les critres de cotation, on a : C=F*G*N
Gravit G
Effet graves
Criticit C
Frquence F
Dfaut qualit
du produit
Comparais
on s
Probabilit de non
dtection N
Causes primaires
Seuil de criticit
Dtections
Mr : Hassan ELMRABET
90
Frquence faible
Frquence moyenne
Mr : Hassan ELMRABET
dfinition
Dfaillance rare : moins dune dfaillance
par 2 ans
Dfaillance possible : moins dune
dfaillance par an
Dfaillance frquent : moins dune
dfaillance par trimestre
Dfaillance trs frquent : plusieurs
dfaillances par mois
91
Gravit significative
Gravit moyenne
Gravit majeure
Gravit catastrophique
dfinition
Dfaillance mineure : arrt dexploitation
infrieur une heure
Aucune dgradation notable des matriels
Dfaillance significative : arrt
dexploitation de une heure quatre heure
Remise en tat en courte dure ou petite
rparation sur place
Dfaillance moyenne : arrt dexploitation
de quatre heure vingt quatre heure
Changement de matriel dfectueux
ncessaire
Dfaillance majeure : arrt dexploitation de
vingt quatre heure soixante deux heure
Intervention importante sur sous ensemble
Dfaillance catastrophique : arrt
dexploitation suprieur soixante deux
heure. Intervention lourde ncessitant des
moyennes coteuses
Dtection possible
Dtection improbable
Dtection indtectable
Mr : Hassan ELMRABET
dfinition
Dfaillance dtectable 100% : signe avantcoureur vident dune dgradation; dispositif de
dtection automatique dincident, dtection
coup sur la cause de dfaillance
Dtection dtectable : signe avant- coureur de la
dfaillance facilement dtectable mais
ncessitant une action particulire de loprateur
(visite, contrle visuel)
Dtection difficilement dtectable : signe avantcoureur de la dfaillance difficilement dtectable
ncessitant une action ou des moyens complexes
(dmontage, appareillage)
Dtection indtectable : aucun signe avantcoureur de la dfaillance
92
Conclusion
Bien que simple, la mthode s'accompagne d'une lourdeur certaine et la
ralisation exige un travail souvent important et fastidieux.
Une des difficults est dans l'optimisation de l'effort entre le cot de l'analyse
AMDEC (dpendant de la profondeur de l'analyse) et le cot de l'amlioration
apporter.
La solution pour surmonter le volume des entits tudier est de conduire des
AMDEC fonctionnelles. Cette approche permet de dtecter les fonctions les plus
critiques et de limiter ensuite l'AMDEC " physique " aux composants qui
ralisent tout ou partie de ces fonctions.
La cohrence entre d'une part la gestion des AMDEC et des amliorations
prconises et d'autre part, les diffrentes versions du systme sont les
principales difficults rsoudre.
Aussi, la mthode n'est pas bien adapte aux projets en temps rel car elle ne
permet pas de bien apprhender l'aspect temporel des scnarios.
Nanmoins l'AMDEC fournit :
- une autre vision du systme,
- des supports de rflexion, de dcision et d'amlioration,
- des informations grer au niveau des tudes de sret de fonctionnement et
des actions entreprendre.
Mr : Hassan ELMRABET
93
Documenter le processus.
Mr : Hassan ELMRABET
94
Les phases suivantes explicitent les tapes pour reprer les dysfonctionnements,
choisir les solutions et les appliquer
Les outils sont plus simples et souvent plus indiqus, car tout le monde les
comprend et ils acclrent les interactions et remplissent leur but.
Une liste des outils qui sont utilis parfois de leur simplicit effarante, parfois
d'une complexit toute aussi effarante en fonction des buts recherchs.
Rassembler
informations
Organiser
informations
Dcider en groupe
Prparer l'action
Mr : Hassan ELMRABET
95
Dcider
Mr : Hassan ELMRABET
96
Mr : Hassan ELMRABET
97
Mr : Hassan ELMRABET
98
Mr : Hassan ELMRABET
99
Mr : Hassan ELMRABET
Diagramme dIshikawa
Arbre des causes
Mthodes d'enqute
100
Mr : Hassan ELMRABET
101
Annoncer, motiver,
exprimenter-> Participation
Mr : Hassan ELMRABET
102
Mr : Hassan ELMRABET
103
Mr : Hassan ELMRABET
104
Dcrire le service
Dcrire le service c'est rpondre la question :
- Que faisons-nous ? C'est--dire quelles sont nos missions (nonc de la raison
d'tre, finalit accepte pour l'entreprise d'accomplir un ensemble de tches et
d'objectifs poursuivant un but commun et durable) et nos activits ?
Ces interrogations portent sur le binme besoins des clients et rponses de
l'organisme avec pour objectif d'en cerner les adquations ou inadquations.
Mr : Hassan ELMRABET
105
L'entreprise apporte en effet des rponses aux besoins des clients travers des
services. Or c'est l'usage que les clients font des services qui leur apporte la
satisfaction, non le service en lui-mme.
L'intrt de cette tape et de cerner le sens donn aux prestations proposes au
client la fois en direction de ce lient et en interne.
Il est clair que son pralable passe par un engagement et un support certain et
significatif de la Direction qui induit ce type de questionnement et d'analyse
dans le but d'identifier les forces contraignantes et agissantes des processus.
Pour la direction enfin cette tape permet de lui donner les moyens de:
- Formuler et hirarchiser les objectifs viss (rsultats mesurables, prrogatives
de performance) et les intentions globales (les buts)
- S'informer pour se situer : Identifier les leviers et l'impact des contraintes : afin
d'acqurir un positionnement projet de l'organisation
- Se responsabiliser pour agir et ragir : laborer le plan daction, c'est--dire un
programme dfinissant les activits raliser, les chanciers et les
responsables.
La vision de la qualit par le dirigeant est capitale car elle acquiert des proprits
fortes : allant jusqu' susciter de l'espoir et opter pour un vritable ancrage
culturel de la qualit. De plus la Direction doit rpondre aux trois points :
- dfinir la politique et objectifs de l'organisme
- fournir les ressources ncessaires
- vrifier tous niveaux de l'organisme de l'efficacit des dispositions prises.
Cette interrogation est vivement intressante car devant cette simple question :
pourquoi faites vous a ? le personnel est dispos adopter un tat de prise
de connaissance et de rflexion sur la situation dont le retentissement est positif
pour la suite. Puis il est tonnant et agrable de noter combien les personnes sont
toutes disposes parler de ce qu'elles font au quotidien et donc de s'en dtacher
pour s'tonner elles-mmes de leur contribution dans la ralisation de la mission
au sein de l'entreprise. Par ailleurs cette rflexion a l'avantage d'instaurer un
climat de travail sain et de lever les incertitudes. Il importe en effet avant tout de
savoir couter son interlocuteur, de bien analyser et comprendre tous les
processus prsents qui vont aboutir une dcision.
Concrtement, les spcifications relatives au services et la prestation du
service c'est--dire les activits cls et leurs caractristiques sont crites aprs
avoir rflchi sur le pourquoi et indirectement sur le quoi, la question cruciale
qui vient ensuite a trait aux clients, qu'ils soient internes et externes : devant en
effet rpondre : pour qui le faisons nous ?
Mr : Hassan ELMRABET
106
Clients internes
hommes et femmes de lentreprise
Evolution
Rmunration
Conscration comptence.
Les actionnaires ou les associs
Rmunration des placements
Informations.
Lentreprise elle-mme
Rsultats
Rentabilit
Fonctionnements adopts
Evolutions
Mr : Hassan ELMRABET
107
Dfinir le service.
Dfinir cest poser et donner une vision stratgique de ce qui est fait ou de ce qui
est prvu de faire, de sinscrire au cur dun parcours identifi, cern,
orient..
Aprs avoir identifier le client il est dsormais possible de :
Choisir les axes damliorations c'est--dire de dfinir les processus cibles
Dfinir les objectifs damliorations mesurables et les moyens de mesure
Dfinir les moyens ncessaires (matriels, humains, organisationnels,
infrastructures)
Planifier la mise en uvre (objectifs intermdiaires, dlais, responsables)
Dans le cadre dune prestation de service, le client peroit une valeur dusage et
lentreprise besoin de caractristiques de dfinition. Celles-ci, si elles sont
vidents lgard dun produit (cahier de charge, plan, quantit, couleur,
forme..) le sont moins vis--vis dun service (besoins vitaux, scuritaires non
exprims, les acquis ne sont plus exprims.)
Mr : Hassan ELMRABET
108
Matriser le service
La matrise passe par une boucle damlioration qui doit incessamment tourner
il importe alors de :
Mettre en uvre les actions dcides
Mesurer les progrs, latteinte des objectifs
Chercher et trouver les amliorations dans le cas dune drive (mcontentement
et insatisfaction)
Cette matrise passe par tout un ensemble de prcautions que la norme dfinit,
elle passe galement par la coopration et la coordination de tous les
dpartements, services de lorganisme avec comme devise de fonctionnement le
respect des uns (lcoute client interne et externe) et la communication. Il faut
galement maintenir cet intrt envers la qualit. Les groupes de travail peuvent
tre constitus appels dbattre des problmes ou de dysfonctionnement
relevs dans lentreprise, si les questions ne trouvent pas de rsolution lissue
de trois ou quatre sances, il importe alors de revoir, remettre peut tre en cause
un aspect de lorganisation. En plus il faut compter sur une communication
ouverte, dynamique.
Mesurer le service
La mesure est une donne essentielle dans la nouvelle norme obligeant des
retours dopinion sur le (produit) service rendu par les clients et des expertises
effectues directement sur le terrain (audites internes)il sagit dtre lcoute
du client en amont et en aval. La nouvelle version de la norme aborde la
satisfaction du client et impose de surveiller les informations relatives la
satisfaction ou mcontentement du client. Il incite auditer la satisfaction du
client dans la perspective damliorer la performance du systme de
management de la qualit. Il importe alors de dterminer des mthodes
permettant dobtenir et dutiliser ces informations.
Quelques proprits du service et de la prestation de service et du produit citer
ci-aprs.
produit
Des caractristiques identiques lavance
Des caractristiques objectives, mesurables
Des outils et mthodes connus (mtrologie,
MSP)
Mr : Hassan ELMRABET
Service
Des caractristiques initiales minimales
Des caractristiques voluant en cours de
production , du subjectif, des ressenti
Peu doutils, des priori sur la non
mesurabilit du service
109
Mr : Hassan ELMRABET
110
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,5
0,6
0,7
0,8
0,9
0,6915
0,7257
0,7580
0,7881
0,8159
0,6950
0,7291
0,7611
0,7910
0,8186
0,6985
0,7324
0,7642
0,7939
0,8212
0,7079
0,7357
0,7673
0,7967
0,8238
0,7054
0,7389
0,7704
0,7995
0,8264
0,7088
0,7422
0,7734
0,8023
0,8289
0,7123
0,7454
0,7764
0,8051
0,8315
0,7157
0,7486
0,7794
0,8078
0,8340
0,7190
0,7517
0,7823
0,8106
0,8365
0,7224
0,7549
0,7852
0,8133
0,8389
1,0
1,1
1,2
1,3
1,4
0,8413
0,8643
0,8849
0,9032
0,9192
0,8438
0,8665
0,8869
0,9049
0,9207
0,8461
0,8686
0,8888
0,9066
0,9222
0,8485
0,8708
0,8907
0,9082
0,9236
0,8508
0,8729
0,8925
0,9099
0,9251
0,8531
0,8749
0,8944
0,9115
0,9265
0,8554
0,8770
0,8962
0,9131
0,9279
0,8577
0,8790
0,8980
0,9147
0,9292
0,8599
0,8810
0,8997
0,9162
0,9306
0,8621
0,8830
0,9015
0,9177
0,9319
1,5
1,6
1,7
1,8
1,9
0,9332
0,9452
0,9554
0,9641
0,9713
0,9345
0,9463
0,9564
0,9649
0,9719
0,9357
0,9474
0,9573
0,9656
0,9726
0,9370
0,9484
0,9582
0,9664
0,9732
0,9382
0,9495
0,9591
0,9671
0,9738
0,9394
0,9505
0,9599
0,9678
0,9744
0,9406
0,9515
0,9608
0,9686
0,9750
0,9418
0,9525
0,9616
0,9693
0,9756
0,9429
0,9535
0,9625
0,9699
0,9761
0,9441
0,9545
0,9633
0,9706
0,9767
2,0
2,1
2,2
2,3
2,4
0,9772
0,9821
0,9861
0,9893
0,9918
0,9778
0,9826
0,9864
0,9896
0,9920
0,9783
0,9830
0,9868
0,9898
0,9922
0,9788
0,9834
0,9871
0,9901
0,9925
0,9793
0,9838
0,9875
0,9904
0,9927
0,9798
0,9842
0,9878
0,9906
0,9929
0,9803
0,9846
0,9881
0,9909
0,9931
0,9808
0,9850
0,9884
0,9911
0,9932
0,9812
0,9854
0,9887
0,9913
0,9934
0,9817
0,9857
0,9890
0,9916
0,9936
2,5
2,6
2,7
2,8
2,9
3,0
0,9938
0,9953
0,9965
0,9974
0,9981
0,9987
0,9940
0,9955
0,9966
0,9975
0,9982
0,9987
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9943
0,9957
0,9968
0,9977
0,9983
0,9988
0,9945
0,9959
0,9969
0,9977
0,9984
0,9988
0,9946
0,9960
0,9970
0,9978
0,9984
0,9989
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9951
0,9963
0,9973
0,9980
0,9986
0,9990
0,9952
0,9964
0,9974
0,9981
0,9986
0,9990
Pour passer de la loi normale de moyenne X et dcart type la loi normale N (0,1) on
pose : u p
x X
pour la variable u p ( u p ) :
f (u p )
1
e
2
u 2p
2
La table ci-dessus donne les valeurs de P F (u p ) pour u p 0 alors pour les valeurs u p 0
les valeurs de P F (u p ) sont donnes par la relation P F (u p ) 1 F (u p ) o (u p ) 0
Mr : Hassan ELMRABET
111
A
2,659
1,954
1,628
1,427
B
1,880
1,023
0,729
0,577
C
1,880
1,187
0,796
0,691
D
2,660
1,772
1,457
1,290
E1
3,267
2,568
2,266
2,089
E2
00000
00000
00000
00000
F1
3,267
3,254
2,282
2,114
F2
00000
00000
00000
00000
a
0,7979
0,8862
0,9213
0,9400
b
1,128
1,693
2,059
2,326
c
0,853
0,888
0,880
0,864
6
7
8
9
10
1,287
1,128
1,099
1,032
0,975
0,483
0,419
0,373
0,337
0,308
0,548
0,508
0,433
0,412
0,362
1,184
1,109
1,054
1,010
0,975
1,970
1,882
1,815
1,761
1,716
0,030
0,118
0,185
0,239
0,284
2,004
1,924
1,864
1,816
1,777
00000
0,076
0,136
0,184
0,223
0,9515
0,9595
0,9650
0,9693
0,9727
2,534
2,704
2,847
2,970
3,078
0,848
0,833
0,820
0,802
0,797
11
12
13
14
15
0,927
0,886
0,850
0,817
0,789
0,285
0,266
0,249
0,235
0,223
0,945
0,921
0,899
0,881
0,864
1,679
1,646
1,618
1,594
1,572
0,331
0,354
0,382
0,406
0,428
1,744
1,717
1,693
1,672
1,653
0,256
0,283
0,307
0,328
0,347
0,9754
0,9776
0,9794
0,9810
0,9823
3,173
3,258
3,336
3,407
3,472
0,787
0,778
0,770
0,762
0,755
16
17
18
19
20
0,763
0,739
0,718
0,689
0,680
0,212
0,203
0,194
0,187
0,180
0,849
0,836
0,824
0,813
0,803
1,552
1,534
1,518
1,503
1,490
0,448
0,466
0,482
0,497
0,510
1,637
1,622
1,608
1,597
1,585
0,363
0,378
0,391
0,403
0,415
0,9835
0,9845
0,9854
0,9862
0,9869
3,532
3,588
3,640
3,689
3,735
0,749
0,743
0,738
0,733
0,729
n : Taille de lchantillon.
X partir de
B : coefficient pour construire les limites de contrle de la carte X partir de W
~
C : coefficient pour construire les limites de contrle de la carte X partir de W
D : coefficient pour construire les limites de contrle de la carte, X partir de W
A : coefficient pour construire les limites de contrle de la carte
Mr : Hassan ELMRABET
112
La fonction y
t,
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7'
0,8
0,9
1,0
1,1
1,2
1,3
1,4
Mr : Hassan ELMRABET
1 2
t
2
Y
0,3989
0,3970
0,3910
0,3814
0,3683
0,3521
0,3332
0,3123
0,2897
0,2661
0,2420
0,2179
0,1942
0,1714
0,1497
t
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2.4
2.5
2,6
2,7
2,8
2,9
Y
0,1295
0,1109
0,0940
0,0790
0,0656
0,540
0,0440
0,0355
0.0283
0,0224
0,0175
0,0136
0,0104
0,0079
0,0060
113
Loi binomiale
Probabilit P CnK pk (1 p)n K de trouver K dfectueux dans un chantillon de
talle n quand la fraction dfectueuse de la fabrication est p : tables pour n=5,
n=10, n=15, n=20, n=30
p de 1% 10%
Nombre de
dfectueux
K
Valeurs de P
CnK p k (1 p)n K
P=1%
P=2%
P=3%
P=4%
P=5%
P=6%
P=7%
P=8%
P=9%
P=10%
n=5
0
1
2
3
4
0,9510
0,0480
0,0010
0,9039
0,0922
0,0038
0,8587
0,1328
0,0082
0,0003
0,8153
0,1699
0,0142
0,0006
0,7738
0,2036
0,0214
0,0011
0,7339
0,2342
0,0299
0,0019
0,6957
0,2618
0,0394
0,0030
0,0001
0,6591
0,2865
0,0498
0,0043
0,0002
0,6240
0,3086
0,0610
0,0060
0,0003
0,5905
0,3280
0,0729
0,0081
0,0005
n=10
0
1
2
3
4
5
6
0,9044
0,0914
0,0042
0,0001
0,8171
0,1667
0,0153
0,0008
0,7374
0,2281
0,0317
0,0026
0,0001
0,6648
0,2770
0,0519
0,0058
0,0004
0,5987
0,3151
0,0746
0,0105
0,0010
0,0001
0,5386
0,3438
0,0988
0,0168
0,0019
0,0001
0,4840
0,3643
0,1234
0,0248
0,0033
0,0003
0,4344
0,3777
0,1478
0,0343
0,0052
0,0005
0,3894
0,3851
0,1714
0,0452
0,0078
0,0009
0,0001
0,3887
0,3874
0,1937
0,0574
0,0112
0,0015
0,0001
n=15
0
1
2
3
4
5
6
7
0,8601
0,1303
0,0092
0,0004
0,7386
0,2261
0,0323
0,0029
0,0002
0,6333
0,2938
0,0636
0,0085
0,0008
0,0001
0,5421
0,3388
0,0988
0,0178
0,0022
0,0002
0,4633
0,3658
0,1348
0,0307
0,0049
0,0006
0,3953
0,3785
0,1691
0,0468
0,0090
0,0013
0,0001
0,3367
0,3801
0,2003
0,0653
0,0148
0,0024
0,0003
0,2863
0,3743
0,2273
0,0857
0,0223
0,0043
0,0006
0,0001
0,2430
0,3605
0,2496
0,1070
0,0317
0,0069
0,0011
0,0001
0,2059
0,3432
0,2669
0,1285
0,0428
0,0105
0,0019
0,0003
0,8179
0,1652
0,0159
0,0010
n=20
0
1
2
3
4
5
6
7
8
9
0,6676
0,2725
0,0528
0,0065
0,0006
0,5438
0,3364
0,0988
0,0183
0,0024
0,0002
0,4420
0,3683
0,1458
0,0364
0,0065
0,0009
0,0001
0,3585
0,3774
0,1887
0,0596
0,0133
0,0022
0,0003
0,2901
0,3703
0,2246
0,0860
0,0233
0,0048
0,0008
0,0001
0,2342
0,3526
0,2521
0,1139
0,0364
0,0088
0,0017
0,0002
0,1887
0,3282
0,2711
0,1414
0,0523
0,0145
0,0032
0,0005
0,0001
0,1516
0,3000
0,2818
0,1672
0,0703
0,0222
0,0055
0,0011
0,0002
0,1216
0,2702
0,2852
0,1901
0,0898
0,0319
0,0089
0,0020
0,0004
0,0001
0,7397
0,2242
0,0328
0,0031
0,0002
n=30
0
1
2
3
4
5
6
7
8
9
10
11
0,5455
0,3340
0,0988
0,0188
0,0026
0,0003
0,4010
0,3721
0,1669
0,0482
0,0101
0,0016
0,0002
0,2939
0,3673
0,2219
0,0863
0,0243
0,0053
0,0009
0,0001
0,2146
0,3389
0,2586
0,1270
0,0451
0,0124
0,0027
0,0005
0,0001
0,1563
0,2992
0,2769
0,1650
0,0711
0,0236
0,0063
0,0014
0,0003
0,1134
0,2560
0,2794
0,1963
0,0997
0,0390
0,0122
0,0032
0,0007
0,0001
0,0820
0,2138
0,2696
0,2188
0,1284
0,0581
0,0210
0,0063
0,0016
0,0003
0,0001
0,0591
0,1752
0,2513
0,2319
0,1548
0,0796
0,0328
0,0111
0,0032
0,0008
0,0002
0,0424
0,1413
0,2277
0,2361
0,1771
0,1023
0,0474
0,0180
0,0058
0,0016
0,0004
0,0001
Mr : Hassan ELMRABET
114
Loi binomiale
Probabilit P CnK pk (1 p)n K de trouver K dfectueux dans un chantillon de
talle n quand la fraction dfectueuse de la fabrication est p : tables pour n=40 et
n=50
p de 1% 10%
Nombre
de
dfectueux
K
Valeurs de P
CnK p k (1 p)n K
P=1%
P=2%
P=3%
P=4%
P=5%
P=6%
P=7%
P=8%
P=9%
P=10%
0,6690
0,2703
0,0532
0,0068
0,0006
n=40
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0,4457
0,3638
0,1448
0,0374
0,0071
0,0010
0,0001
0,2957
0,3658
0,2206
0,0864
0,0247
0,0055
0,0010
0,0001
0,1954
0,3256
0,2646
0,1396
0,0538
0,0161
0,0039
0,0008
0,0001
0,1285
0,2706
0,2777
0,1851
0,0901
0,0342
0,0105
0,0027
0,0006
0,0001
0,0842
0,2149
0,2675
0,2162
0,1277
0,0587
0,0218
0,0068
0,0018
0,0004
0,0001
0,0549
0,1652
0,2425
0,2312
0,1609
0,0872
0,0383
0,0140
0,0043
0,0012
0,0003
0,0001
0,0356
0,1238
0,2100
0,2313
0,1860
0,1165
0,0591
0,0250
0,0090
0,0028
0,0007
0,0002
0,0230
0,0910
0,1754
0,2198
0,2011
0,1432
0,0826
0,0397
0,0162
0,0057
0,0017
0,0005
0,0001
0,0148
0,0657
0,1423
0,2003
0,2059
0,1647
0,1068
0,0576
0,0264
0,0104
0,0036
0,0011
0,0003
0,0001
0,6050
0,3056
0,0756
0,0122
0,0015
0,0001
n=50
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0,3642
0,3716
0,1858
0,0607
0,0145
0,0027
0,0004
0,0001
0,2181
0,3372
0,2555
0,1264
0,0459
0,0131
0,0030
0,0006
0,0001
0,1299
0,2706
0,2762
0,1841
0,0902
0,0346
0,0108
0,0028
0,0006
0,0001
0,0769
0,2025
0,2611
0,2199
0,1360
0,0658
0,0260
0,0086
0,0024
0,0006
0,0001
0,0453
0,1447
0,2262
0,2311
0,1733
0,1018
0,0487
0,0195
0,0067
0,0020
0,0005
0,0001
0,0266
0,0999
0,1843
0,2219
0,1963
0,1359
0,0767
0,0363
0,0147
0,0052
0,0016
0,0004
0,0001
0,0155
0,0672
0,1433
0,1993
0,2037
0,1629
0,1063
0,0581
0,0271
0,0110
0,0039
0,0012
0,0004
0,0001
0,0090
0,0443
0,1073
0,1698
0,1973
0,1795
0,1332
0,0828
0,0440
0,0203
0,0082
0,0030
0,0010
0,0003
0,0001
0,0052
0,0286
0,0779
0,1386
0,1809
0,1849
0,1541
0,1076
0,0643
0,0333
0,0152
0,0061
0,0022
0,007
0,0002
0,0001
Mr : Hassan ELMRABET
115
Loi binomiale
Probabilit P (au plus K) de trouver K dfectueux dans un chantillon de talle n quand la fraction dfectueuse de
la fabrication est p : tables pour n=10, n=20 et n=40
p de 1% 10%
Nombre de
dfectueux
K
n=10
0
1
2
3
4
P=2%
P=3%
P=4%
P=5%
P=6%
P=7%
P=8%
P=9%
P=10%
0,9044
0,9957
0,9999
1
0,8171
0,9838
0,9991
1
0,7374
0,9655
0,9972
0,9999
1
0,6648
0,9418
0,9938
0,9996
1
0,5987
0,9139
0,9885
0,9990
0,9999
0,5386
0,8824
0,9812
0,9980
0,9998
0,4840
0,8483
0,9717
0,9964
0,9997
0,4344
0,8121
0,9599
0,9942
0,9994
0,3894
0,7746
0,9460
0,9912
0,9990
0,3887
0,7361
0,9298
0,9872
0,9984
0,9999
1
0,9999
1
5
6
0
1
2
3
4
0,8179
0,9831
0,9990
1
0,6676
0,9401
0,9929
0,9994
1
0,5438
0,8801
0,9790
0,9973
0,9997
0,4420
0,8103
0,9561
0,9926
0,9990
0,3585
0,7358
0,9245
0,9841
0,9974
0,2901
0,6605
0,8850
0,9710
0,9944
0,2342
0,5869
0,8390
0,9529
0,9893
0,1887
0,5169
0,7879
0,9294
0,9817
0,1516
0,4516
0,7334
0,9007
0,9710
0,1216
0,3917
0,6769
0,8670
0,9568
0,9999
1
0,9997
1
0,9991
0,9999
1
0,9981
0,9997
1
0,9962
0,9994
0,9999
1
0,9932
0,9987
0,9998
1
0,9887
0,9976
0,9996
0,9999
1
0,4457
0,8095
0,9543
0,9918
0,9988
0,2957
0,6615
0,8822
0,9686
0,9933
0,1954
0,5210
0,7855
0,9252
0,9790
0,1285
0,3991
0,6767
0,8619
0,9520
0,0852
0,2990
0,5665
0,7827
0,9104
0,0549
0,2201
0,4625
0,6937
0,8546
0,0356
0,1594
0,3694
0,6007
0,7868
0,0230
0,1140
0,2894
0,5092
0,7103
0,0148
0,0805
0,2228
0,4231
0,6290
0,9999
1
0,9988
0,9998
1
0,9951
0,9990
0,9998
1
0,9861
0,9966
0,9993
0,9999
1
0,9691
0,9909
0,9977
0,9995
0,9999
0,9419
0,9801
0,9942
0,9985
0,9997
0,9033
0,9624
0,9873
0,9963
0,9990
0,8535
0,9361
0,9758
0,9920
0,9976
0,7937
0,9005
0,9581
0,9845
0,9949
0,9999
1
0,9998
1
0,9994
0,9999
1
0,9985
0,9996
0,9999
1
n=20
5
6
7
8
9
0
1
2
3
4
n=40
0,6690
0,9393
0,9925
0,9993
1
5
6
7
8
9
10
11
12
13
Mr : Hassan ELMRABET
116
Loi de Poisson
Probabilit P (au plus K) de trouver K dfectueux dans un chantillon de talle n
quand la fraction dfectueuse de la fabrication est p
On dduit des tables P (K)= P (au plus K)- P (au plus K-1)
Nombre de
dfectueux
K
0
1
2
3
4
m=0,1
m=0,2
m=0,3
m=0,4
m=0,8
m=0,9
m=1,0
0,9048
0,9943
0,9998
1
0,8187
0,9825
0,9999
1
0,7408
0,9631
0,9964
0,9997
1
0,6703
0,9384
0,9920
0,9992
0,9999
0,6065
0,9098
0,9856
0,9982
0,9998
0,5488
0,8781
0,9769
0,9966
0,9996
0,4966
0,8442
0,9659
0,9942
0,9992
0,4493
0,8088
0,9526
0,9909
0,9986
0,4066
0,7725
0,9372
0,9866
0,9977
0,3679
0,7358
0,9197
0,9810
0,9963
0,9999
1
0,9998
1
0,9997
1
0,9994
0,9999
1
m=4,5
m=5
5
6
7
Nombre de
dfectueux
K
0
1
2
3
4
5
6
7
8
9
m=1,5
m=2,0
m=2,5
0,2231
0,5578
0,8088
0,9344
0,9814
0,1353
0,4060
0,6767
0,8571
0,9473
0,0821
0,2873
0,5438
0,7576
0,8912
0,0498
0,1991
0,4232
0,6472
0,8153
0,0302
0,1359
0,3208
0,5366
0,7254
0,0183
0,0916
0,2381
0,4335
0,6288
0,0111
0,0611
0,1736
0,3423
0,5321
0,0067
0,0404
0,1247
0,2650
0,4405
0,9955
0,9991
0,9998
1
0,9834
0,9955
0,9989
0,9998
1
0,9579
0,9858
0,9958
0,9989
0,9997
0,9161
0,9665
0,9881
0,9962
0,9989
0,8576
0,9347
0,9733
0,9901
0,9967
0,7851
0,8893
0,9489
0,9786
0,9919
0,7029
0,8311
0,9134
0,9597
0,9829
0,6160
0,7622
0,8666
0,9319
0,9682
0,9999
1
0,9997
0,9999
0,9990
0,9997
0,9999
1
0,9972
0,8991
0,9997
0,9999
1
0,9933
0,9976
0,9992
0,9997
0,9999
0,9863
0,9945
0,9980
0,9993
0,9998
0,9999
1
10
11
12
13
14
15
16
Mr : Hassan ELMRABET
117
Loi de Poisson
Probabilit P (au plus K) de trouver K dfectueux dans un chantillon de talle n
quand la fraction dfectueuse de la fabrication est p
On dduit des tables P (K)= P (au plus K)- P (au plus K-1)
Nombre de
dfectueux
K
0
1
2
3
4
m=5,5
m=6,0
m=6,5
m=7,0
0,0041
0,0266
0,0884
0,2017
0,3575
0,0025
0,0174
0,0620
0,1512
0,2851
0,0015
0,0113
0,0430
0,1118
0,2237
0,0009
0,0073
0,0296
0,0818
0,1730
0,0006
0,0047
0,0203
0,0591
0,1321
0,0003
0,0030
0,0138
0,0424
0,0996
5
6
7
8
9
0,5289
0,6860
0,8095
0,9044
0,9462
0,4457
0,6063
0,7440
0,8472
0,9161
0,3690
0,5265
0,6728
0,7916
0,8774
0,3007
0,4497
0,5987
0,7291
0,8305
0,2414
0,3782
0,5264
0,6620
0,7764
10
11
12
13
14
0,9747
0,9890
0,9955
0,9983
0,9994
0,9574
0,9799
0,9912
0,9964
0,9986
0,9332
0,9661
0,9840
0,9929
0,9970
0,9015
0,9466
0,9730
0,9872
0,9943
15
16
17
18
19
0,9998
0,9999
1
0,9995
0,9998
1
0,9988
0,9996
0,9998
1
0,9976
0,9990
0,9996
0,9999
1
20
21
22
23
Mr : Hassan ELMRABET
m=9,0
m=9,5
m=10,0
0,0002
0,0019
0,0093
0,0301
0,0746
0,0001
0,0012
0,0062
0,0212
0,0550
0,0001
0,0008
0,0042
0,0149
0,0403
0,0005
0,0028
0,0104
0,0293
0,1912
0,3134
0,4530
0,5925
0,7166
0,1496
0,2562
0,3856
0,5231
0,6530
0,1157
0,2068
0,3239
0,4557
0,5874
0,0885
0,1649
0,2687
0,3918
0,5218
0,0671
0,1302
0,2203
0,3329
0,4580
0,8622
0,9208
0,9573
0,9784
0,9897
0,8159
0,8881
0,9362
0,9658
0,9827
0,7634
0,8487
0,9091
0,9486
0,9726
0,7060
0,8030
0,8758
0,9261
0,9585
0,6453
0,7520
0,8364
0,9881
0,9400
0,5831
0,6968
0,7916
0,8645
0,9166
0,9954
0,9980
0,9992
0,9997
0,9999
0,9918
0,9963
0,9984
0,9993
0,9997
0,9862
0,9934
0,9970
0,9987
0,9995
0,9780
0,9889
0,9947
0,9976
0,9989
0,9665
0,9823
0,9911
0,9957
0,9980
0,9513
0,9730
0,9857
0,9928
0,9965
0,9999
1
0,9998
0,9999
1
0,9996
0,9998
0,9999
1
0,9991
0,9996
0,9998
0,9999
0,9984
0,9993
0,9997
0,9999
118